清华证研院秘书长迟永胜：AI加速资本市场定价，市值管理不能沦为概念营销

【导读】清华大学全球证券市场研究院秘书长迟永胜：从数据闭环到价值回归，AI重构市值管理范式

中国基金报记者 张玲

AI技术的快速迭代，正在重塑资本市场定价逻辑与上市公司经营生态。近年来，不少上市公司将AI引入市值管理，以提升资本市场沟通效率，优化企业估值表现。但技术赋能的同时，也带来了新的矛盾与挑战：一方面，市场识别企业价值的节奏显著加快，AI赛道内部估值分化加剧，题材炒作与真实转型鱼龙混杂；另一方面，部分企业对AI市值管理的理解出现偏差，陷入工具化、短期化误区，偏离监管新规“立足主业、价值为本”的市值管理导向。

围绕AI时代市值管理的范式重构、估值甄别、实践纠偏等现实议题，日前，中国基金报专访了清华大学全球证券市场研究院秘书长迟永胜。

迟永胜表示，AI重构了市值管理的底层逻辑，推动其由经验驱动转向数据驱动的闭环模式。上市公司在借力AI赋能时，需锚定主业搭建经营改善到资源再投入的价值正循环，依靠真实经营成效，实现公司质量与股东回报协同提升。

AI重塑市值管理：价值识别提速，构建智能市值管理闭环

中国基金报：当前，市值管理正从传统经验驱动加速转向数据智能驱动的新模式。AI技术从底层重塑了市值管理的哪些核心环节？

迟永胜：AI对市值管理最根本的改变，不是处理效率的提升，而是市场对企业价值变化的识别周期被大幅压缩。过去一家企业的经营拐点从发生到被资本市场充分定价，往往需要两到三个季度。如今，AI工具将舆情监测、业绩拆解、同业对标、产业链验证的周期压缩至天级甚至更短，市场反应速度显著加快，但误判和过度反应的概率也同步上升。这对上市公司提出的要求不是“更快地讲故事”，而是“更准地讲事实”，因为市场验证叙事真伪的速度同样加快了。

这一变化的深层意义在于，市值管理不再是股价低迷时的应急手段，而成为嵌入日常经营的系统性能力。证监会《上市公司监管指引第10号——市值管理》明确将市值管理定义为“以提高公司质量为基础，为提升公司投资价值和股东回报能力而实施的战略管理行为”，AI技术的普及恰恰为这一战略管理行为提供了数据底座和工具支撑。

中国基金报：在政策规范落地、AI技术迭代、新质生产力推进的多重背景下，传统市值管理的运营范式已经无法适配当前资本市场定价逻辑。应如何定义当前AI浪潮下上市公司市值管理的全新范式？上市公司应如何借助AI工具完成市值管理闭环？

迟永胜：AI浪潮下的市值管理新范式，可以概括为数据驱动的智能市值管理闭环，其核心是三个转变：从经验判断转向数据验证，从事后应对转向事前预警，从单点操作转向系统协同。

从价值基础、价值创造、价值传播、价值运营四维框架看，AI分别支持组织制度与风险管理、研发生产与经营改善、信息披露与市场沟通，以及融资并购等资本决策。

价值基础的关键是战略统筹与制度保障。董事会与经营层应将市值管理纳入长期战略，明确业务、技术、财务、证券事务及合规部门的职责，将数据标准、审核权限和决策程序嵌入日常流程。AI工具应纳入内控管理，确保分析结果可核验、重要决策有授权、执行过程可追溯。

价值创造应围绕行业特点，将AI应用转化为经营成果。例如，制造企业围绕科技创新、生产效率和资源利用推进AI落地，重点关注研发周期缩短、良品率提升和供应链优化；服务企业围绕产品创新、客户需求和商业模式开展建设，重点关注客户体验、运营效率和收入结构。同时，应将ESG实践、公司治理和股权激励与AI应用统筹推进，使技术投入转化为可衡量的经营成果。每项重点任务需明确责任人、阶段目标和投入产出指标，由业务与财务部门共同评价。

价值传播应以真实经营为依据，以审核和数据保护为保障。AI可辅助识别市场关注焦点、整理业务信息、监测舆情反馈。企业应通过关系管理、信息披露和新媒体渠道持续传递经营进展，据实说明成果、风险与后续安排。对外内容须经责任部门审核，确保真实、准确、完整、及时、公平；使用外部模型时，应明确未公开重大信息、个人信息和商业秘密的输入边界。

价值运营应借助AI优化资本配置，并匹配企业发展阶段。企业可比较融资、并购、资产证券化、分红回购等方案的资金成本和资本结构影响，审慎评估分拆上市、增减持等安排。相关交易仍须履行相应程序，保留授权、审查和执行记录。大型企业可加强跨业务数据整合与资本统筹，中小企业可先打通关键场景；成长期企业侧重于创新验证和资金接续，成熟期企业侧重资产效率、现金流和股东回报。

闭环的关键在于持续反馈。定期将经营成效、市场反馈与资本使用结果纳入复盘，据此调整战略、项目和资源安排，四个维度才能形成自我优化的管理体系。

AI 赛道估值分化：厘清定价逻辑，用量化指标甄别概念炒作

中国基金报：随着AI技术全面渗透，上市公司开始密集布局AI算力、行业大模型、智能应用等赛道。但从2026年中报数据来看，市场估值分化较为明显，核心成因是什么？

迟永胜：首先，AI产业链不同环节的估值逻辑存在本质差异。算力环节重资产、强周期，估值锚定资本开支节奏和设备利用率，一旦行业供需格局变化，估值波动剧烈；模型环节轻资产、高研发，估值取决于技术壁垒和商业化落地速度，但目前部分厂商仍处于投入期，盈利模式尚未跑通；应用环节直接对接产业需求，估值看的是AI相关收入占比、客户留存和毛利改善，是当前最容易产生业绩兑现的环节。三个环节的估值体系不同，放在一起比较容易出现显著分化。

其次，技术投入向经营价值转化的能力差异。同样是布局AI，制造企业将其用于生产计划优化、质量检测和供应链协同，能够直接反映在良品率、库存周转和单位成本上；服务企业将其用于需求预测和客户运营，效果体现在客户留存和人均产出上。应用越贴近核心业务、越能解决产业关键痛点，技术投入就越有条件转化为持续的经营价值。反之，若AI布局停留在战略发布、协议签署和概念宣传层面，与主业经营脱节，市场给予的估值溢价就难以持续。

最后，竞争优势的可持续性。数据积累、行业经验、技术团队和客户资源形成的壁垒，需要时间沉淀；算力采购和模型调用相对容易复制。仅依靠资金投入追逐热点的企业，一旦行业热度退潮，估值回调压力较大；真正拥有数据壁垒和场景理解能力的企业，估值韧性更强。

估值分化本质上是市场对企业未来收益形成路径、增长空间及实现概率的差异化定价，持续取得可验证经营成果的企业，才能获得长期市场认可。

中国基金报：当前，部分企业算力投入持续加码但市值难以兑现，甚至“概念热度远高于实质业绩”。应如何看待上市公司AI业务叙事与基本面脱节的问题？市场该如何区分“真实转型价值”与“题材炒作”？有没有可量化的甄别指标？

迟永胜：AI业务叙事与基本面脱节，根源在于市场对收益形成速度和规模的预期远超实际进展。判断AI业务的真实转型价值，需要建立从投入、应用到经营结果的连续证据链，并可通过三组量化指标进行检验。

第一组是投入力指标，衡量投入的真实性和强度。关注研发费用中AI相关方向的占比、算力资产的实际利用率（而非采购规模）、AI技术团队人数及占比。比如一个可以尝试的简单交叉验证方法是：若一家公司AI相关投入占研发费用比重不足10%，但公告和调研纪要中AI关键词出现频率超过50%，投入与宣传之间的背离可能就需要重点关注。

第二组是转化力指标，衡量技术落地的深度和广度。关注AI应用在核心业务流程中的覆盖率、AI相关收入占总营收的比例及增速、AI项目的投入产出比。从实践看，AI相关收入占比低于5%的企业，或仍处于试点探索阶段；超过15%且连续两个季度环比增长的，可逐步视为进入实质落地阶段。更关键的是收入质量，是一次性项目交付收入，还是可重复的订阅或服务收入；AI业务毛利率是高于还是低于公司整体平均水平。低质量的收入增长无法支撑高估值。

第三组是兑现力指标，衡量经营改善的实际效果。制造企业可跟踪生产周期、良品率、设备利用率、库存周转天数和单位制造成本的变化；服务企业可跟踪客户响应时间、客户留存率、人均产出和单位服务成本。若AI投入持续两年至三年，上述核心经营指标未出现具有统计意义的改善，则无论叙事多么完整，都需要审慎评估其转型价值。同时，经营现金流和资本回报率的变化是最终检验，收入增长若不能伴随合理利润和现金回收，商业化质量就缺乏支撑。

此外，还有一个“试金石”：管理层和核心员工是否通过股权激励、增持等方式，将个人利益与AI转型的长期成果绑定。若内部人对公司转型缺乏信心，外部投资者更应保持谨慎。

AI市值管理纠偏：摒弃短期工具思维，锚定主业形成价值正循环

中国基金报：当前，部分上市公司虽然认识到AI对市值管理的赋能价值，但在实操中出现重AI概念营销、轻经营价值落地等问题，进而加剧市值波动。上市公司运用AI做市值管理存在哪些误区？应如何纠正？

迟永胜：误区主要有三个方面：一是将“动作”等同于“成果”。部分企业把战略发布、合作签约、大模型上线作为主要成就，对实际应用覆盖率、客户需求匹配度和投入回报跟踪不足。

二是工具采购与业务流程脱节。不少企业采购了大模型系统、舆情监测平台和智能问答工具，但数据口径不统一、业务流程未适配、责任分工不明确，导致工具停留在局部试用，无法嵌入核心经营环节。

三是价值传播的短期化倾向。部分IR部门将曝光量、互动数量和机构覆盖数作为核心考核指标，过度追逐热点话题和短期市场反应，导致对外表达超前于业务实际进展。

纠正方向在于将长期价值目标落实到考核与分工。董事会和经营层应明确AI服务主业的战略方向，考核体系兼顾项目阶段进展、经营改善、现金流、资本回报及披露合规质量；经营部门提出真实业务问题，技术部门落实应用方案，财务部门核验投入产出，证券事务部门准确传递信息，各环节明确审核主体和决策权限，才能形成围绕同一目标的协同机制。

中国基金报：上市公司该如何让AI真正服务于主业经营与长期价值成长？什么样的AI市值管理实践才算“提质增效”的正循环？

迟永胜：让AI持续服务主业，关键是建立从业务需求到经营成果再到资源再投入的闭环，即全员市值战略，强调各岗位共同创造长期价值。完整链条应该是：AI切入主业带来可验证的效率提升或收入增长，这些变化体现在定期报告和自愿披露中，IR部门以数据化、精准化的方式传递给市场，市场给予估值溢价，估值溢价转化为更低的融资成本、更强的并购支付能力和更有效的股权激励，支持资源继续投入AI和主业创新。

这也是市值经济学所阐述的核心逻辑：市值不仅是经营的结果，更是经营的工具和资源配置杠杆。当估值合理时，可以利用股权融资和并购整合加速发展；当估值偏低时，可以通过回购注销优化资本结构、提升每股回报。AI让这个循环的转速加快，但前提是经营改善真实、信息传递准确、市场定价有效。任何一环失真，都可能损害这一循环。

“提质增效”的最终检验标准体现在三个层面：解决经营问题的能力是否持续增强，资本使用效率是否稳步提升，以及股东是否能够持续分享企业成长成果。

编辑：杜妍

校对：乔伊

制作：鹿米

审核：陈思扬

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）